机器学习、深度学习、人工智能三步走，人工智能必须知道的几种深度学习算法

序

声明：以下是博主精心整理的机器学习和AI系列文章，博主后续会不断更新该领域的知识：

人工智能AI实战系列代码全解析

手把手教你ML机器学习算法源码全解析

有需要的小伙伴赶紧订阅吧。

人工智能的浪潮正在席卷全球，诸多词汇时刻萦绕在我们耳边：人工智能（Artificial Intelligence）、机器学习（Machine Learning）、深度学习（Deep Learning）。不少人对这些高频词汇的含义及其背后的关系总是似懂非懂、一知半解。

 

人工智能的研究领域也在不断扩大，上图展示了人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。

人工智能一定程度上来说是机器学习喝深度学习的深层次应用，要想学好人工智能，我们需要掌握的哪些经典算法呢？

一起来看看吧。

 

前言

深度学习是很多人面临的一个挑战，因为它在过去的十年中已经慢慢地改变了形式。为了在视觉上设置深度学习，下图展示了AI，机器学习和深度学习三者之间关系的概念。

人工智能领域广泛，已经有很长一段时间了，深度学习是机器学习领域的一个子集，AI的一个子领域。
一般将深度学习网络与“典型”前馈多层网络(FP)区分开来的方面如下：

• 比以前的网络更多的神经元

• 更复杂的连接层的方式

• “寒武纪大爆炸”的计算训练能力

• 自动特征提取

当我说“更多的神经元”，意思是神经元数量已经上升了多年来表达更复杂的模型。
然后，深度学习可以被定义为具有四个基本网络体系结构之一中的：大量‘参数和层’的神经网络：

• 无监督的预训练网络

• 卷积神经网络

• 回归（复）神经网络